我可以通过在列x上创建索引来优化SELECT DISTINCT x FROM hugeTable查询吗？

Question

我有一个巨大的表,在某些列上具有更小的数量(按数量级)不同的值x.

我需要做一个查询SELECT DISTINCT x FROM hugeTable,我想要相对快速地做这个.

我做了类似的事情CREATE INDEX hugeTable_by_x ON hugeTable(x),但由于某种原因,即使输出很小,查询执行也不是那么快.查询计划显示97%的时间花在索引扫描上hugeTable_by_x,估计行数等于整个表的大小.接下来是哈希匹配操作.

由于我在列上创建了索引x,我不能指望此查询运行得非常快吗？

请注意,我正在使用Microsoft SQL Server 2005.

Answer 1

这可能不是索引问题,而是数据设计问题之一.准确归一化.您需要查询字段的不同值,甚至愿意添加索引这一事实强烈表明该字段应该规范化为具有(小)连接键的单独表.然后,通过扫描小得多的查找外表,可以立即获得不同的值.

更新
作为一种变通方法,您可以通过"distinct"字段在聚合上创建索引视图.COUNT_BIG是索引视图中允许的聚合:

create view vwDistinct
with schemabinding
as select x, count_big(*)
from schema.hugetable
group by x;

create clustered index cdxDistinct on vwDistinct(x);

select x from vwDistinct with (noexpand);

Answer 2

SQL Server没有实现任何工具来直接寻找索引中的下一个不同值,同时跳过重复项.

如果您有许多重复项,那么您可以使用递归CTE来模拟这一点.这个技术来自这里.("使用递归CTE的超快速DISTINCT").例如:

with recursivecte as (
  select min(t.x) as x
  from hugetable t
  union all
  select ranked.x
  from (
    select t.x,
           row_number() over (order by t.x) as rnk
    from hugetable t
    join recursivecte r
      on r.x < t.x
  ) ranked
  where ranked.rnk = 1
)
select *
from recursivecte
option (maxrecursion 0)

Answer 3

可能吧。尽管不能保证 - 这完全取决于查询。

我建议阅读 Gail Shaw 的这篇文章（第 1 部分和第 2 部分）。